GAIA-2
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Wayve
- Tipo de Organización
- Industry
- País
- United Kingdom of Great Britain and Northern Ireland
- Publicado
- 26 March 2025
- Autores
- Lloyd Russell, Anthony Hu, Lorenzo Bertoni, George Fedoseev, Jamie Shotton, Elahe Arani, Gianluca Corrado
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Video, Vision, Multimodal, Language
- Tarea
- Self-driving car, Video generation, Instruction interpretation
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 8.7B
- Datos de entrenamiento
- tokens
video tokenizer: 285M parameters workd model: 8.4B parameters total: 8.685B parameters
"The dataset comprises approximately 25 million video sequences, each spanning 2 seconds, collected between 2019 and 2024. Recordings were obtained across three countries—the United Kingdom, the United States, and Germany—to ensure coverage of geographically and environmentally diverse driving conditions. "
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómputo de entrenamiento
- 7.6 × 10²² FLOP
- Cómo se estableció
- Operation counting
"The video tokenizer was trained for 300,000 steps with a batch size of 128 using 128 H100 GPUs. Input sequences consisted of Tv = 24 video frames sampled at their native capture frequencies (20, 25, or 30 Hz). Random spatial crops of size 448 × 960 were extracted from the frames. For each training sample, a camera view was randomly selected from the available N = 5 perspectives." "The latent world model was trained for 460,000 steps with a batch size of 256 on 256 H100 GPUs. Inputs consisted o…
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA H100 SXM5 80GB
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- GAIA-2: A Controllable Multi-View Generative World Model for Autonomous Driving
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
GAIA-2 fue publicado por Wayve, en el país registrado como United Kingdom of Great Britain and Northern Ireland, durante March 2025. Sale de una organización categorizada como industry.
Funciona en el dominio de Video, Vision, Multimodal, Language, y se registra como realizando la tarea de self-driving car, Video generation, Instruction interpretation.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Qué se necesitó para construirlo
El entrenamiento consumió alrededor de 7.6 × 10²² FLOP, en hardware registrado como NVIDIA H100 SXM5 80GB. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Respuestas
GAIA-2 — preguntas comunes
GAIA-2— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 8.7B. video tokenizer: 285M parameters workd model: 8.4B parameters total: 8.685B parameters. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
GAIA-2— ¿Quién lo creó?
Fue publicado por Wayve, basado en United Kingdom of Great Britain and Northern Ireland, una organización categorizada como industry.
GAIA-2— ¿cuándo fue lanzado?
Se publicó en March 2025.
GAIA-2— ¿Para qué se utiliza?
Funciona en el dominio de Video, Vision, Multimodal, Language, y se registra como manejando la tarea de self-driving car, Video generation, Instruction interpretation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
GAIA-2— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 7.6 × 10²² FLOP, en hardware registrado como NVIDIA H100 SXM5 80GB. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
GAIA-2— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
GAIA-2— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.